Зависимости и scatter-графики: вопросы для собеседования (часть 3)
Scatter plot показывает связь между двумя числовыми переменными — корреляцию, кластеры, выбросы. На собеседовании могут попросить визуализировать зависимость LTV от количества сессий или объяснить, как добавить третье измерение через цвет или размер точки. Scatter — незаменимый инструмент для exploratory data analysis.
Вопросы 11–15 из 20
11На диаграмме рассеяния связь монотонная, но заметно нелинейная: точки образуют кривую. Какая мера корреляции чаще подходит для описания такой монотонности?
AКоэффициент детерминации `R^2` из линейной регрессии как универсальная мера силы любой связи между двумя переменными
B`p-value` критерия значимости как мера силы связи: чем меньше значение, тем сильнее зависимость между переменными
CКоэффициент `Pearson` как мера общей зависимости, в том числе для нелинейных кривых с выраженной монотонностью
DКоэффициент `Spearman` по рангам как мера монотонной связи, устойчивая к нелинейности и к выбросам в данных
Ответ: Коэффициент `Spearman` по рангам измеряет монотонную связь и устойчивее к нелинейности, чем `Pearson`.
Коэффициент `Pearson` отражает линейную зависимость и может быть низким даже при сильной кривой. Коэффициент `Spearman` использует ранги и лучше описывает ситуацию, когда рост X ведёт к росту или падению Y без требования линейности. `R^2` и `p-value` отвечают на другие вопросы и не подходят как самостоятельная мера силы монотонной связи.
Подробный разбор → 12На точечной диаграмме видно два отчётливых облака точек, но общая корреляция слабая. Какой следующий шаг чаще всего помогает понять природу этих облаков?
AПровести единую общую линию тренда через все точки и не учитывать видимое деление на облака на графике
BРаскрасить точки по кандидатным признакам (канал, регион, тариф) или сделать панели и сравнить связь внутри групп
CПеревести оси в логарифмический масштаб без проверки необходимости и распределения значений по осям
DСделать вывод об отсутствии связи на основании низкого общего коэффициента корреляции по всем точкам сразу
Ответ: Кластеры на точечной диаграмме часто означают скрытый сегмент; их стоит показать через цветовое кодирование или разбиение на панели.
Два облака могут соответствовать разным типам пользователей, тарифам или рынкам. Подсветка категорий и разбиение на панели помогает проверить гипотезу о сегментации и не смешивать разные режимы поведения в одном выводе. Общий коэффициент корреляции по смешанным группам часто маскирует сильную связь внутри каждой и приводит к неправильным выводам.
Подробный разбор → 13На диаграмме рассеяния зависимость выглядит U-образной: при малых и больших X значения Y выше, а в середине ниже. При этом корреляция Пирсона близка к 0. Что корректнее всего сказать или сделать?
AРаз корреляция около `0`, связи нет: график можно не анализировать дальше, статистика показывает отсутствие зависимости
BПрименить логарифмическую шкалу по обеим осям: после этого корреляция Пирсона вырастет, а форма зависимости станет видна
CУдалить половину точек из середины диапазона X для получения линейной зависимости и роста коэффициента корреляции
DНулевая корреляция не исключает нелинейной связи: добавить нелинейную линию тренда (например `loess`) или сменить вид
Ответ: Корреляция Пирсона описывает линейную связь; нелинейная зависимость может существовать при значении около 0.
U-образный рисунок — это связь, но не линейная, поэтому коэффициент Пирсона может давать около нуля. Нелинейная линия тренда (например `loess`) или разбиение диапазона X на интервалы помогает показать реальную форму зависимости. Логарифмирование осей и удаление точек не «починят» нелинейность — это лишь искажает данные. Правильный шаг — выбрать инструмент, подходящий именно для нелинейной зависимости.
Подробный разбор → 14Вы увидели на диаграмме рассеяния высокую корреляцию между числом уведомлений и оттоком. Какой вывод корректнее всего?
AУведомления увеличивают отток: нужно отключить рассылки и зафиксировать снижение оттока в отчёте на этой неделе
BВысокая корреляция означает, что отток заставляет систему отправлять больше уведомлений, и связь причинная
CПо одной корреляции нельзя утверждать причинность: нужны эксперимент или контроль смешивающих факторов
DПри высокой корреляции ошибки измерения и смешивающие факторы исключены, поэтому вывод о причинности обоснован
Ответ: Корреляция не равна причинности без дизайна, который исключает смешивающие факторы и обратную зависимость.
Связь может быть вызвана третьим фактором, например активностью: активным пользователям отправляют больше уведомлений, и они же реже уходят (или наоборот). Для причинного вывода нужны рандомизация, квази-эксперимент или хотя бы тщательный контроль смешивающих факторов. Высокое значение корреляции само по себе не исключает ошибок измерения и обратной зависимости.
Подробный разбор → 15Вы показываете две диаграммы рассеяния на одной сетке мини-графиков для разных сегментов и хотите честно сравнить распределения. Что важно для корректного сравнения?
AИспользовать разные масштабы осей в каждой панели, чтобы точки занимали весь экран и плотнее показывали данные
BСпрятать подписи осей в одной из панелей, чтобы не отвлекали и не дублировали уже знакомую разметку
CЗафиксировать одинаковые пределы и шкалы осей во всех панелях, чтобы наклон, разброс и кластеры сравнивались честно
DПовернуть один график на 90 градусов и поменять цвет точек для визуального разнообразия панелей
Ответ: Для сравнения сегментов на сетке мини-графиков обычно нужны согласованные оси и одинаковые масштабы.
Если оси разные, визуально можно создать или скрыть тренд и плотность точек. Фиксация шкал делает сравнение честным, особенно когда вы оцениваете различия в разбросе, наклоне и кластерах. Поворот графика или скрытие подписей не помогают сравнению, а только мешают восприятию. Поэтому при сравнении сегментов оси должны быть общими и видимыми.
Подробный разбор → Другие темы: Визуализация данных